图上卷积神经网络中的动态边条件滤波器
计算机视觉与模式识别
2017-08-09 v3 机器学习
神经与进化计算
摘要
许多问题可表述为对图结构数据的预测。本工作中，我们将卷积算子从规则网格推广到任意图，同时避免谱域，从而能够处理不同大小和连通性的图。为了超越简单的扩散，滤波器权重以顶点邻域内特定边标签为条件。结合恰当的图粗化选择，我们探索构建用于图分类的深度神经网络。特别地，我们证明了我们的公式在点云分类中的通用性，在其中我们刷新了 state of the art，并在一个图分类数据集上优于其他深度学习方法。源代码见 https://github.com/mys007/ecc
引用
@article{arxiv.1704.02901,
title = {Dynamic Edge-Conditioned Filters in Convolutional Neural Networks on Graphs},
author = {Martin Simonovsky and Nikos Komodakis},
journal= {arXiv preprint arXiv:1704.02901},
year = {2017}
}
备注
Accepted to CVPR 2017; extended version